基于相关与小波变换相结合的弱信号检测

针对强噪声背景中的弱信号检测问题,在传统的相关检测方法的基础上,利用小波良好的去噪性能,提出了相关检测与小波变换相结合的弱信号检测方法。仿真结果表明,该方法优于传统的相关检测方法,无须知道有用信号的先验知识和同步信号便可以有效的检测周期性弱信号,并获得更高的输出信噪比。     

基于小波包分解和滑动功率谱的舰船轴频电场信号检测

轴频电场是可在水下探测到的一种运动舰船特征物理场,由于海水的衰减作用,其信号十分微弱。文章提出了一种基于小波包分解和滑动功率谱的微弱舰船轴频电场信号检测方法。首先,利用小波包变换对观测信号进行多子带分解;然后,分别提取各子带信号功率作为检测特征量,使用浮动门限对其进行滑动检测。实测数据和仿真数据处理表明,该方法能够在较低的信噪比条件下有效工作,性能优于传统的功率谱检测方法。     

SAR图像舰船目标边缘检测

提出了一种在正则化基础上,利用小波变化实现合成孔径雷达(SAR)图像舰船目标边缘检测的新方法。传统的利用小波变换实现图像边缘检测时,阈值需要人为设定。针对这一问题,文章引入正则化超分辨技术,从贝叶斯框架下的估计问题出发,采用非二次正则化,平滑图像,保护强散射点目标,实现对 SAR图像进行去噪。利用小波变换的局部化特性和多尺度分析能力,检测突变信号,实现对舰船目标的边缘检测。该方法去噪效果好,边缘 定位准确,仿真结果表明了算法的有效性。     

基于小波变换的电力系统谐波测量方法

小波变换具有时-频局部化特性,在电力系统的分析中具有无比广阔的应用前景.本文将小波变换方法应用于电力系统谐波检测中,并提出了同步检测与小波变换相结合的电压闪变测量方法,仿真结果表明此方法适用于电压闪变信号的检测和分析.     

基于小波变换的信号突变检测方法

奇异点为信号中常见的现象，也往往是信号所反映的物理过程的重点，通过检测奇异点，能更好把握物理过程中的突变和非常规但影响很大的,对设备进行监控和维护时，维护信号的突变点，能确定可能的故障因素，小波变换提供了一种检测奇异点的有效方法。     

基于提升小波和形态学的图像边缘检测算法

基于提升小波变换和形态学的基本理论,提出了一种提升小波和形态学相结合的图像边缘检测算法,算法充分利用了提升小波变换相对于传统小波变换快速而有效的完成小波分解和重构的算法优势。形态学运算在图像处理中具有独特的优势,利用其对图像膨胀和腐蚀的差运算来获取图像的边缘,取得了很好的效果。实验结果表明,算法边缘定位准确,抗噪能力强,检测出的图像边缘连续、平滑,是一种有效的边缘检测方法。     

基于小波变换的GPS载波相位周跳检测与修复

载波相位周跳检测与修复是实现GPS高精度定位的难点之一。小波变换具有空间局部性好的特点,本文利用小波变换把载波相位观测量分解为高频和低频分量,提出了利用小波系数局部极值点检测相位周跳的方法。基于载波相位和多普勒频率共同约束的埃尔米特多项式,外推周跳时刻载波相位,与观测值比较确定周跳的大小,从而修复周跳。利用飞机实际观测数据和仿真的高动态数据进行了计算,给出了计算结果,表明该方法可以对高动态情况下载波相位周跳进行准确探测和修复。     

一种虚拟信号分析仪的设计

介绍了虚拟信号分析仪的结构和现代信号的处理方法。基于傅立叶变换、短时傅立叶变换和小波变换,提出了一种虚拟信号分析仪的系统软件模块的实现方法。该方法利用这三种变换,对信号进行多次处理,能够得到信号的时域、频域和时频域信息,能够对信号进行降噪处理。实验表明,利用此分析仪,能够测量信号的周期、频率、瞬时频率、时频变换趋势和奇异点,并且能以图形的形式显示出来。     

红外图像特征提取的一种方法

小波变换是信号处理、图像处理的重要工具,已广泛应用于信号分析、数据压缩和边缘检测等各个领域。本文基于图像小波变换,提出了一种红外图像特征提取的一种方法。通过对红外图像进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样既得到了红外图像的特征,又压缩了数据。通过大量的红外图像目标识别实验,证明本文提出的方法是有效的。     

基于小波变换的遥感图像边缘检测方法研究

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像的特点,提出了一种基于小波变换的图像边缘检测方法,同时还对小波变换在图像处理中的适用性进行了详细分析。由实验结果表明,本文方法可以获得非常细致有效的边缘信息,在有效抑制噪声的同时,提高了边缘定位精度。     

基于小波神经网络的复合材料损伤检测

讨论了小波变换和小波神经网络,借助小波变换良好的时频带通分层性,从各阶二进小波变换的频域中提取特征,送入小波神经网络进行学习和分类,结果表明该方法稳定可靠,在复合材料智能化研究中具有很大前景。     

基于小波包变换和B样条拟合的特征参数提取

提出了综合应用卷积型小波包变换和B样条拟合的特征参数提取方法，卷积型小波包变换能取得比常规小波消噪更好的效果，对于消噪处理后的信号，用B样条进行逼近，得到其分段解析表达式，并计算一阶和二阶导数确定特征点，提取特征参数，有效抑制了噪声对特征点计算的影响，提高了特征参数提取的准确度。     

小波包变换对遥测速变数据噪声消除效果的改进

在介绍小波包定义和降噪声原理的基础上,提出了采用小波包变换降低噪声的方法。为验证该方法的有效性,将其用于某型导弹试验中所测遥测数据的降噪处理中,并与小波变换降噪效果进行比较。结果表明,小波包变换改进了遥测速变数据的消噪效果,是速变信号降噪一种更为有效的方法。     

基于离散小波变换的近程信号自动识别

进行信号识别的关键在于利用有限信号数据提取出有效的信号特征,然后根据这些特征作出判决。文中阐述了利用离散小波变换对近程信号进行分解处理,并结合具体应用背景,提取小波分解的细节作为信号识别的特征参量。仿真实验表明,基于小波分解的特征提取过程对噪声有较好的抑制能力,小波变换的应用能够有效提高对近程信号识别的能力。     

Morlet组合小波在颤振试飞中的应用

Morlet小波是高斯包络下的复指数函数,利用其虚部是实部的Hilbert变换,频域波形为钟形的特征,提出了基于Morlet组合小波的滤波方法。利用该方法,能方便地构造合适的Morlet组合小波,完成对飞行颤振试验响应信号的滤波,并保证滤波后相位不变。通过数字仿真研究了其方法的有效性,工程应用表明,该方法能够有效滤除飞行颤振试验响应信号的噪声,具有良好的应用前景。     

基于小波变换和不变矩的车标识别方法

形状特征是目标识别的重要参数,小波变换的低频部分代表物体的总体形状特征,而图像中的噪声主要分布于高频部分。根据这一特征,利用小波变换消除噪声提取目标形状,进而利用特征不变矩距离进行分类,实现目标识别,将该方法应用在实测车标图像的识别中,结果表明识别效果较好。     

基于小波分析的飞控传感器故障诊断

小波分析具有局部时频分析能力，适宜于对突变信号的检测，针对飞控系统传感器故障的特点，提出了基于小波分析的飞控传感器故障诊断法。仿真结果表明，应用小波分析，可以非常精确定位传感器信号的故障点。     

小波方法检测角区湍流的流动结构

本文采用热线、压力传感器和PIV方法对中等雷诺数下角区湍流流动进行了实验测量。设计了基于小波变换的一种湍流场特征结构检测方法，辨识出了角区湍流的分离涡结构及其尺度。这些涡结构的发展揭示了角区马蹄涡系运动在低雷诺数下所展示的物理过程在中等雷诺数或充分发展湍流状态下仍然存在。同时，这种湍流流动结构的小波检测方法也显示出了其有效性。     

基于小波变换和神经网络的航空发动机故障诊断

在阐述了小波变换和BP神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于“能量-故障”的小波预处理神经网络航空发动机诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的诊断。     

基于正交小波变换的目标检测方法

理论分析表明,独立高斯噪声经过正交小波变换后保持方差和独立性不变。基于Mallat的小波多分辨分析,通过对小波系数进行平方律处理,建立了基于正交小波变换的恒虚警率检测器模型,推导了相应的虚警和检测概率公式,分析了噪声未知情况下小波系数序列长度对检测性能的影响,并给出了合适的长度值。实验结果表明,所提出的检测器能满足不同虚警概率和杂波背景的要求,具有较好自适应性。